[发明专利]一种基于局部关键特征识别的人脸质量评估方法

权利要求书

1.一种基于局部关键特征识别的人脸质量评估方法，其特征在于，它包括如下步骤：

步骤1：通过摄像装置获取图像，如为人脸图像则进入下一个步骤，如不是人脸图像则通过摄像装置重新获取；

步骤2：对获取的人脸图像检测是否具备人脸局部关键特征，如果不具备人脸局部关键特征，则进入步骤3，如果具备人脸局部关键特征，则进入步骤4；

步骤3：对人脸图像通过人脸算法与人脸数据库进行比对，比对通过则放行，比对不通过则返回步骤1；

步骤4：对人脸图像通过人脸局部关键特征算法与人脸局部关键特征数据库进行比对，比对通过则放行，比对不通过则返回步骤1。

2.如权利要求1所述的基于局部关键特征识别的人脸质量评估方法，其特征在于，步骤2中对获取的人脸图像检测是否具备人脸局部关键特征，通过基于特征金字塔和多任务损失函数的网络模型结构，Loss定义如下：

其中，为区域是否为人脸的二分类softmax函数：

为人脸框坐标函数，使用smooth_L1函数，

其中，为人脸是否具备特征的二分类函数，使用softmax函数。

3.如权利要求1所述的基于局部关键特征识别的人脸质量评估方法，其特征在于，人脸局部关键特征为在全脸特征的基础上重新对数据集图片的眼部和眉部进行标注，对网络增加attention机制，着重对眼部和眉部进行深度特征提取，结合全脸和眼部眉部特征生成新的人脸特征，最终人脸特征由L-Softmax训练的分类网络前一层FC的特征为准，

L-Softmax由变形而成

4.如权利要求3所述的基于局部关键特征识别的人脸质量评估方法，其特征在于，attention机制为对图片的整体特征和局部特征做权重求和，对贡献大的区域增大权重，对贡献小的区域减小权重，结合softmax函数的特性，输出区间为[0,1]，适合用在权重的分配上，得出权重计算公式：

计算得到：

5.如权利要求2所述的基于局部关键特征识别的人脸质量评估方法，其特征在于，通过softmax函数将特征映射为n+1维，每一个维度代表一个类别，使用一维卷积代替全连接层做分类分支。

6.如权利要求1所述的基于局部关键特征识别的人脸质量评估方法，其特征在于，比对的评判指标为通用(Mean average precision，MAP)指标，公式如下：

P为准确率；R为召回率；

计算时，设预测框与标注框的重合率为a，将a≥0.5的预测框认定为正例：

7.如权利要求1所述的基于局部关键特征识别的人脸质量评估方法，其特征在于，采用所述基于局部关键特征识别的人脸质量评估方法，人脸检测速度30ms，人脸特征提取速度200ms，人脸检测准确率99.3％，人脸识别准确率92％。